[杨明均专栏] 农业AI应当是改变视角的技术，而不只是给出正确答案。

[专家专栏] 全北大学 生物产业机械工程系 杨明均

一个按钮的结果与农业AI的价值
AI不知不觉间已经成为一种贴近生活的技术。生成句子、分析图像、分类数据，这些事情都比以前容易得多。我们已经进入了按下一个按钮就能得到看似合理结果的时代。这种变化显然是积极的。AI可及性的提高，意味着更多人能够利用数据，并获得以新方式看待问题的机会。

然而，农业AI的价值并不止于按下一个按钮就快速生成结果。农业是一个作物、品种、环境、季节、农户条件和作业方式等复杂交织的现场。即使是同一种作物，也会因栽培时期和环境不同而产生不同反应；即使是同一种技术，也会因农户和设施条件不同而产生不同结果。因此，农业AI不应只是一个生成答案的工具，而应是一种能够更深入地读懂农业，并将其连接到可验证价值的技术。

比起给出正确答案的AI，更需要改变问题的AI
到目前为止，农业中的重要问题大多是由人来设定的。比如作物是否长势良好、是否发生病虫害、何时收获、环境条件是否合适等。这些问题依然重要。不过，在AI时代，我们有必要再向前迈进一步。
农业AI的重要作用，不仅可能是更快回答人们已经知道的问题，还可能是发现那些人们尚未想到去提出的问题。农业AI的潜力，不仅在于更快找到正确答案，更在于改变我们看待农业的问题本身以及视角本身。

读取人类未曾看见信号的技术
AI向既有视角提出新问题的案例，已经在多个领域出现。AlphaGo展示出的陌生落子，向人类在围棋中长期积累的直觉提出了新的问题。AlphaFold则为蛋白质结构预测这一长期科学难题提供了突破既有方法局限的契机。这些案例并不能原封不动地保证农业AI的成功。但它们清楚地表明，AI并不只是快速模仿人的判断，它还能够提出人类尚未看到的可能性。

农业也是如此。像作物株高、叶面积、病征、栽培配方这样由人定义的特征，依然很重要。但随着图像、光谱、三维、热成像和环境数据不断重复积累，AI可以在同样的数据中提出人类尚未定义的新特征，例如生长变化、胁迫迹象、品种间反应差异，以及环境与生长之间的复杂关系。农业AI的重要价值，并不止于更快计算人们已经在观察的特征，而在于打开观察作物的新视角。

拖慢农业AI的两种惯性
从这个角度来看，在谈论农业AI时，有两种惯性需要警惕。第一种，是以现场困难为由，关闭新问题的倾向。当然，农业现场是复杂的。作物并不均一，环境不会重复，农户的条件和判断也各不相同。因此，我们需要警惕那种不了解现场，却把AI说成仿佛是所有答案的态度。

但反过来，也不能仅仅因为现场困难而复杂，就把应用AI的尝试，甚至AI提出的新视角一并排斥掉。深入了解现场，不应成为关闭未来问题的依据，而应成为创造更好AI的出发点。现场不应成为拒绝新技术的理由，而应成为新技术必须更加深入的理由。

第二种，是追逐新技术名称，却未能充分夯实基础的倾向。即使在国家科研开发中，“新技术”也始终是重要标准。然而，在农业AI中，所谓新，并不只是转向下一个关键词，或匆忙改变方向。如果此前的技术尚未得到充分验证，数据、标准和实证体系又较为薄弱，那么即使在其上叠加下一项技术，现场的变化也必然有限。

更何况，随着AI技术快速变化，过去曾被认为已经开发完成的技术，往往也需要根据新的AI环境重新定义、重新验证、重新连接。农业AI不是那种开发一次就迈向下一项技术的阶梯式技术，而是一种必须建立在包括失败在内的积累性基础之上，并持续回看与更新的技术。

归根结底，拖慢农业AI的，既不只是对新技术的过度期待，也不只是对新技术的过度警惕。问题在于，没有开放视角却只谈现场，或者没有基础积累却只谈新颖。现场是技术必须接受验证的地方，而新技术不应成为跳过基础的借口，而应成为重新夯实基础的契机。

看不见的基础研究塑造农业AI的未来
那么，为了农业AI的未来，我们需要什么？其一，是以开放的思维将AI提出的陌生信号当作新问题来接受。其二，是将这些问题转化为现场价值所必需的、看不见的基础研究。数据采集方法、传感器解读标准、表型定义、作物与环境关系建模、长期实证体系，这些内容也许一时看不出会用在哪里，也未必看起来像耀眼的成果。

然而，没有这些基础，新的AI技术一进入现场就会动摇。那些眼下用途并不清晰的研究，并不全都是遥远的研究。恰恰相反，在农业AI中，当下看不见的过程，日后将成为决定现场应用成败的起点。

农业AI若要超越“按下一个按钮就生成结果的工具”，成为一种能够发现人类未曾看见的特征并将其导向经验证价值的技术，就必须更加认真地对待这些基础。今后在谈论农业AI、智慧农业、物理AI、农业科技时，重要的不是快速追逐技术名称，而是追问这项技术如何让我们以新的方式读懂农业、留下怎样的数据、又经过怎样的验证回到现场并转化为价值。

农业AI的未来，不是从更快的正确答案开始，而是从更好的问题开始。而当这些问题经过数据与验证，最终转化为现场价值时，AI才能真正不再只是一个流行词，而成为韩国农业的下一项基础技术。